論文の概要: Vaccine allocation policy optimization and budget sharing mechanism
using Thompson sampling
- arxiv url: http://arxiv.org/abs/2109.10004v1
- Date: Tue, 21 Sep 2021 07:22:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-22 14:09:36.822345
- Title: Vaccine allocation policy optimization and budget sharing mechanism
using Thompson sampling
- Title（参考訳）: トンプソンサンプリングを用いたワクチン割当政策最適化と予算共有機構
- Authors: David Rey, Ahmed W Hammad, Meead Saberi
- Abstract要約: 被受容集団の規模を最小化することを目的とした意思決定エージェントの視点を考察する。
我々はトンプソンサンプリングに基づく最適化政策を提案し、平均ワクチン効率を経時的に学習する。
固定的な世界的ワクチン割当予算の下では、ほとんどの国が感染や死亡の数を削減できることが示される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The optimal allocation of vaccines to population subgroups over time is a
challenging health care management problem. In the context of a pandemic, the
interaction between vaccination policies adopted by multiple agents and the
cooperation (or lack thereof) creates a complex environment that affects the
global transmission dynamics of the disease. In this study, we take the
perspective of decision-making agents that aim to minimize the size of their
susceptible populations and must allocate vaccine under limited supply. We
assume that vaccine efficiency rates are unknown to agents and we propose an
optimization policy based on Thompson sampling to learn mean vaccine efficiency
rates over time. Furthermore, we develop a budget-balanced resource sharing
mechanism to promote cooperation among agents. We apply the proposed framework
to the COVID-19 pandemic. We use a raster model of the world where agents
represent the main countries worldwide and interact in a global mobility
network to generate multiple problem instances. Our numerical results show that
the proposed vaccine allocation policy achieves a larger reduction in the
number of susceptible individuals, infections and deaths globally compared to a
population-based policy. In addition, we show that, under a fixed global
vaccine allocation budget, most countries can reduce their national number of
infections and deaths by sharing their budget with countries with which they
have a relatively high mobility exchange. The proposed framework can be used to
improve policy-making in health care management by national and global health
authorities.
- Abstract（参考訳）: 人口サブグループへのワクチンの最適な割り当ては、医療管理の問題である。
パンデミックの文脈では、複数のエージェントが採用する予防接種政策と協力(または欠如)との相互作用は、病気の世界的な伝染動態に影響を与える複雑な環境を生み出す。
本研究は, 人口規模を最小化し, 限られた供給下でワクチンを割り当てなければならない意思決定エージェントの視点を考察する。
ワクチンの効率性はエージェントには知られていないと仮定し,トンプソンサンプリングに基づく最適化方針を提案し,ワクチン効率を経時的に学習する。
さらに,エージェント間の協力を促進するため,予算バランスの取れた資源共有機構を開発する。
提案フレームワークを新型コロナウイルス(covid-19)パンデミックに適用する。
エージェントが世界中の主要国を代表し、グローバルモビリティネットワークで対話し、複数の問題インスタンスを生成する、世界のラスタモデルを用いています。
以上の結果から, 患者数, 感染数, 死亡数の減少率は, 人口ベースの政策に比べ, 全国的に減少していることがわかった。
また, 固定的なグローバルワクチン割当予算の下では, 多くの国が, 比較的高い移動手段を有する国と予算を共有することで, 全国的な感染・死亡率の削減を図っている。
提案された枠組みは、各国および世界保健当局による医療管理における政策立案の改善に利用できる。
関連論文リスト
- Deep Reinforcement Learning for Efficient and Fair Allocation of Health
Care Resources [49.956569971833105]
医療資源の枯渇は、レーションの避けられない結果をもたらす可能性がある。
医療資源割り当てプロトコルの普遍的な標準は存在しない。
本稿では,患者の疾患進行と患者間の相互作用効果を統合するためのトランスフォーマーベースのディープQネットワークを提案する。
論文 参考訳（メタデータ） (2023-09-15T17:28:06Z) - Cooperating Graph Neural Networks with Deep Reinforcement Learning for
Vaccine Prioritization [0.0]
本研究は,供給制限時のパンデミックの全体負担を軽減するためのワクチンの優先順位付け戦略について検討する。
既存の方法では、サブグループ集団内の均一な振る舞いを仮定してマクロレベルまたは単純化されたマイクロレベルワクチンの分布を行う。
我々は,高次空間時間病進化システムのための最適なワクチン配置戦略を求めるために,新しい深層強化学習を開発した。
論文 参考訳（メタデータ） (2023-05-09T04:19:10Z) - Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top
exploration [53.122045119395594]
マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。
$m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。
ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
論文 参考訳（メタデータ） (2023-01-30T12:22:30Z) - Dense Feature Memory Augmented Transformers for COVID-19 Vaccination
Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。
本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。
この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文 参考訳（メタデータ） (2022-12-16T13:57:41Z) - Evaluating vaccine allocation strategies using simulation-assisted
causal modelling [7.9656669215132005]
パンデミックの早期にはワクチンの入手が制限され、異なる集団の優先順位付けが必要になる。
新型コロナウイルスのパンデミックに対する年齢依存型予防接種戦略を遡及的に評価するモデルを構築した。
我々は,2021年に実施したイスラエルのワクチン割当戦略を,先天的な優先順位付けや若年集団の優先順位付け,厳格なリスクランク付けアプローチといった対実的戦略と比較した。
論文 参考訳（メタデータ） (2022-12-14T14:24:17Z) - Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy
among Healthcare Workers [64.1526243118151]
医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。
医師は新型ワクチンよりもワクチンの有効性を懸念している。
看護婦は子供に対する潜在的な副作用にもっと注意を払う。
論文 参考訳（メタデータ） (2022-09-11T14:22:16Z) - VacciNet: Towards a Smart Framework for Learning the Distribution Chain
Optimization of Vaccines for a Pandemic [0.0]
我々は、VacciNetと呼ぶ、教師付き学習と強化学習(RL)を活用する新しいフレームワークを提唱した。
RLは、国の州におけるワクチン接種需要を予測し、また、調達と供給の最小コストのために、州における最適なワクチン割り当てを提案することができる。
論文 参考訳（メタデータ） (2022-08-01T19:37:33Z) - Optimal non-pharmaceutical intervention policy for Covid-19 epidemic via
neuroevolution algorithm [0.0]
ウイルス感染サイクルを乱し、医療制度が完全に経済的な負担に圧倒されるのを防ぐための政策。
我々は,非薬剤感染症介入の相対的人・経済・医療費を構成する介入政策モデルを開発した。
提案モデルでは,医療システムの負担を最大容量以下に抑えるため,接触率を最小限に抑えることができる。
論文 参考訳（メタデータ） (2021-10-23T16:26:50Z) - Validating Optimal COVID-19 Vaccine Distribution Models [7.227440688079006]
本稿では,最適な配布センターを選択するクラスタリングベースのソリューションと,ワクチンを最適に配布するための制約満足度問題フレームワークを提案する。
インド・チェンナイ地区から得られた実世界のデータを用いて,提案モデルの有効性を実証した。
論文 参考訳（メタデータ） (2021-02-03T21:54:47Z) - A Deep Q-learning/genetic Algorithms Based Novel Methodology For
Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。
報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。
どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
論文 参考訳（メタデータ） (2020-05-15T17:17:45Z) - Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。
技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。
個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
論文 参考訳（メタデータ） (2020-04-16T15:53:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。